Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFJF |
Texto Completo: | https://repositorio.ufjf.br/jspui/handle/ufjf/11718 |
Resumo: | As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta. |
id |
UFJF_0b22604c4c29e252bac97a2d3edc6129 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/11718 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Cury, Alexandre Abrahãohttp://lattes.cnpq.br/1092810690505352Barbosa, Flávio de Souzahttp://lattes.cnpq.br/3967943593612229Fonseca, Leonardo Goliatt dahttp://lattes.cnpq.br/9030707448549156Martins, Cláudio Joséhttp://lattes.cnpq.br/http://lattes.cnpq.br/3027529566603077Nunes, Lorena Andrade2020-09-24T19:54:26Z2020-09-242020-09-24T19:54:26Z2020-02-19https://repositorio.ufjf.br/jspui/handle/ufjf/11718As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta.Engineering structures are often subject to changes in their dynamic properties due to various factors such as deterioration of construction due to time of use, the lack of maintenance, adverse environmental and operational effects, unexpected loads, structural reinforcement procedures, among others. In most cases, these modifications may be associated with structural damage. Continuous monitoring of the dynamic behavior of a structure makes it possible to investigate and analyze changes to ensure their integrity, ensuring greater comfort and safety for users and enabling more effective repair and maintenance actions, directly impacting the reduction of operating costs. For such, monitoring systems must have computational tools able to evaluate the acquired information in real time and continuously. In this dissertation, a new approach based on the direct analysis of acceleration measurements to detect structural damage and modifications using computational intelligence techniques is presented. The approach is to use together supervised (RNA) and unsupervised (k-means) classification methods to construct a hybrid classifier. The goal is to detect not only known damage states but also unidentified structural states. The idea is thus to allow the real-time monitoring of structural integrity, providing answers automatically and continuously, based only on vibrational testing environments with the structure in operation. To attest to the robustness of this approach, data from numerical simulations and experimental tests performed in the laboratory and in situ are used. The results show promising performance of the proposed methodologyFAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas GeraisporUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia Civil (PEC)UFJFBrasilFaculdade de EngenhariaAttribution-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA CIVILModificações estruturaisDetecção de danosClassificador híbridoStructural modificationsDamage detectionHybrid sorterDetecção de dano em estruturas baseada em técnicas de aprendizado híbridoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALlorenaandradenunes.pdflorenaandradenunes.pdfPDF/Aapplication/pdf12134625https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/1/lorenaandradenunes.pdf8ae0f97c122a6bda513916d656018bc5MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/2/license_rdfc4c98de35c20c53220c07884f4def27cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTlorenaandradenunes.pdf.txtlorenaandradenunes.pdf.txtExtracted texttext/plain223461https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/4/lorenaandradenunes.pdf.txtd05437a2f4e7f198d89e34fabafd225eMD54THUMBNAILlorenaandradenunes.pdf.jpglorenaandradenunes.pdf.jpgGenerated Thumbnailimage/jpeg1184https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/5/lorenaandradenunes.pdf.jpg1ac589a19b24ed5c572571d1c2ab5f47MD55ufjf/117182020-09-25 03:07:12.698oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2020-09-25T06:07:12Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
title |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
spellingShingle |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido Nunes, Lorena Andrade CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Modificações estruturais Detecção de danos Classificador híbrido Structural modifications Damage detection Hybrid sorter |
title_short |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
title_full |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
title_fullStr |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
title_full_unstemmed |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
title_sort |
Detecção de dano em estruturas baseada em técnicas de aprendizado híbrido |
author |
Nunes, Lorena Andrade |
author_facet |
Nunes, Lorena Andrade |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Cury, Alexandre Abrahão |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1092810690505352 |
dc.contributor.advisor-co1.fl_str_mv |
Barbosa, Flávio de Souza |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/3967943593612229 |
dc.contributor.referee1.fl_str_mv |
Fonseca, Leonardo Goliatt da |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/9030707448549156 |
dc.contributor.referee2.fl_str_mv |
Martins, Cláudio José |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/ |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3027529566603077 |
dc.contributor.author.fl_str_mv |
Nunes, Lorena Andrade |
contributor_str_mv |
Cury, Alexandre Abrahão Barbosa, Flávio de Souza Fonseca, Leonardo Goliatt da Martins, Cláudio José |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Modificações estruturais Detecção de danos Classificador híbrido Structural modifications Damage detection Hybrid sorter |
dc.subject.por.fl_str_mv |
Modificações estruturais Detecção de danos Classificador híbrido Structural modifications Damage detection Hybrid sorter |
description |
As estruturas de engenharia estão frequentemente sujeitas a alterações em suas propriedades dinâmicas por conta de diversos fatores, tais como a deterioração da construção devido ao tempo de uso, a falta de manutenção, os efeitos ambientais e operacionais adversos, os carregamentos inesperados, os procedimentos de reforço estrutural, entre outros. Na maioria dos casos, essas modificações podem estar associadas a danos estruturais. O monitoramento contínuo do comportamento dinâmico de uma estrutura possibilita a investigação e a análise de alterações com o objetivo de assegurar sua integridade, garantindo maior conforto e segurança aos usuários, além de possibilitar ações mais eficazes de reparo e manutenção, impactando diretamente na redução dos custos operacionais. Para tanto, sistemas de monitoramento devem dispor de ferramentas computacionais aptas a avaliar as informações adquiridas em tempo real e continuamente. Nesta dissertação, uma nova abordagem baseada na análise direta de medições de aceleração para detectar danos e modificações estruturais utilizando técnicas de inteligência computacional é apresentada. A abordagem consiste na utilização em conjunto de métodos de classificação supervisionados (RNA) e não supervisionados (k-means) para a construção de um classificador híbrido. O objetivo é detectar não apenas estados de dano já conhecidos, mas também estados estruturais que ainda não foram identificados. A ideia é permitir, dessa forma, o monitoramento da integridade estrutural em tempo real, provendo respostas de forma automática e contínua, baseando-se apenas em testes vibracionais ambientes com a estrutura em operação. Para atestar a robustez dessa abordagem, dados oriundos de simulações numéricas e de ensaios experimentais realizados em laboratório e in situ são utilizados. Os resultados obtidos demonstram desempenho promissor da metodologia proposta. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-24T19:54:26Z |
dc.date.available.fl_str_mv |
2020-09-24 2020-09-24T19:54:26Z |
dc.date.issued.fl_str_mv |
2020-02-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/11718 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/11718 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Civil (PEC) |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/1/lorenaandradenunes.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/4/lorenaandradenunes.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/11718/5/lorenaandradenunes.pdf.jpg |
bitstream.checksum.fl_str_mv |
8ae0f97c122a6bda513916d656018bc5 c4c98de35c20c53220c07884f4def27c 8a4605be74aa9ea9d79846c1fba20a33 d05437a2f4e7f198d89e34fabafd225e 1ac589a19b24ed5c572571d1c2ab5f47 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661379934945280 |